你是否想过：让AI自己写代码、自己修bug、自己提交PR——而且能够连续工作数小时、数天甚至数周？OpenAI和Anthropic正在用Harness Engineering破解长程运行的密码！

🚀 从几分钟到数天的跨越

过去五个月，OpenAI做了一个大胆实验：用Codex agent从零构建一个完整产品，0行人类手写代码。更令人惊叹的是：单个Agent可以持续运行6小时以上，在人类睡觉时自主完成复杂的开发任务。

这不是科幻小说，而是Harness Engineering（驾驭工程）正在让AI Agent实现真正的"长程运行"。

---

什么是Harness Engineering？

一句话讲清楚👉🏻 Harness Engineering是让AI Agent实现长程运行的关键基础设施：通过设计环境、编写指令、构建反馈循环，让Agent能够跨越多个session、数小时甚至数周地持续工作，完成从设计到交付的完整开发流程。

简单来说，就是**“人类指挥，Agent持续执行”**——人类负责"指方向"，Agent负责"长时间、不间断地干活"。

这个概念来自两篇重磅文章：

• OpenAI的《Harness engineering: leveraging Codex in an agent-first world》
• Anthropic的《Effective harnesses for long-running agents》

两者从不同角度解答了一个核心问题：如何让AI Agent突破单次上下文的限制，可靠地完成跨越数小时甚至数天的复杂软件开发任务？

---

核心挑战：长程运行的"记忆断点"

想象一个场景：软件工程师们轮班工作，每一班工程师上岗时都失去所有前序记忆，不知道之前发生了什么。听起来很荒谬？但这正是AI Agent面临的真实困境。

为什么长程运行如此困难？

AI Agent的"记忆"受限于上下文窗口（context window）。当Agent工作数小时后，上下文会耗尽，必须启动新的session——这就相当于"换班"，新来的Agent对之前发生的一切一无所知。

Anthropic指出，长运行Agent面临三大核心挑战：

挑战一：试图"一口吃成胖子"

Agent拿到任务后，往往想一次性完成所有功能。结果呢？写到一半上下文就耗尽了，留下半成品，下一个session只能"猜"之前发生了什么。更糟糕的是，Agent可能花大量时间"猜测"和"修复"，而不是推进真正的进度。

挑战二：过早宣布"胜利"

当一些功能完成后，新的Agent实例会环顾四周，觉得"差不多够了"，然后宣布任务完成。实际上还有大量功能未实现。这是因为Agent缺乏"全局视野"，不知道完整的需求是什么。

挑战三：状态管理混乱

在多个session之间，Agent的状态可能不一致：某个变量在session A被定义，session B中消失了；某个bug在session A被修复，session B中又出现了。这种"状态漂移"让长程运行变得不可靠。

这三个挑战导致Agent无法可靠地完成跨越数小时甚至数天的复杂任务。解决这些问题，正是Harness Engineering的核心使命。

---

OpenAI的实践：让Agent跑起来的Harness

🚀 从零开始的实验

2025年8月底，OpenAI从一个空的git仓库开始，用Codex CLI + GPT-5搭建初始框架。五个月后，他们完成了：

• 约百万行代码（应用逻辑、基础设施、工具、文档）
• 1500+个PR已合并
• 3.5个PR/工程师/天的平均吞吐量
• 产品已有数百名内部用户

关键成就：人类从未直接手写任何代码。

🌟 最惊人的：长程运行能力

OpenAI团队最自豪的成就，不是代码量，而是让Agent真正实现长程运行：

• 单个Agent运行时间：最长可达6小时以上
• 工作时段：经常在人类睡觉时，Agent持续工作
• 跨session协作：多个Agent session之间无缝衔接，就像交接班的工程师
• 状态一致性：每个session都能准确理解上一个session的进度

“我们经常看到单个Codex运行在一个任务上工作长达6小时（通常在人类睡觉时）。”—— OpenAI团队

重新定义工程师的角色

当Agent负责写代码后，工程师的工作发生了根本性变化：

传统模式	Harness Engineering模式
写代码	设计环境（让Agent能长时间工作）
调试bug	编写指令（让Agent知道下一步做什么）
Code Review	构建反馈循环（让Agent自我纠正）
架构设计	制定规则和约束（防止Agent跑偏）

正如OpenAI团队所说：“我们不是在写代码，而是在搭建让Agent能够长时间、高效工作的’赛道’。”

---

Anthropic的解决方案：让Agent跨越"记忆鸿沟"

针对长运行Agent的困境，Anthropic提出了一个优雅的双轨解决方案——这本质上是在Agent之间建立"交接班机制"：

🎯 Initializer Agent（初始化Agent）——"第一班"的奠基工作

第一个session专门负责"奠基"，为后续的长程运行打好基础：

• 创建 init.sh 启动脚本（让每个session都能快速启动）
• 建立 claude-progress.txt 进度日志（让每个session都知道"进度条"）
• 编写详细的 feature list（功能清单）：200+个具体功能点，每个都标记为"未通过"（让每个session都有"待办清单"）
• 初始git commit（建立"版本历史"的起点）

🔄 Coding Agent（编码Agent）——持续接力，跨越session

每个后续session都像"接过接力棒"的运动员：

1. 先"热身"：读取git日志和进度文件，了解"昨天"发生了什么
2. 启动服务：运行init.sh，启动开发服务器
3. 验证基础功能：用Puppeteer MCP做端到端测试，确保没有破坏现有功能
4. 选择一个功能：从feature list中挑一个最高优先级的未完成功能
5. 完成后：写git commit + 更新progress.txt，留给下一个session

关键机制：每个session结束时都留下清晰的"工作记录"，下一个session可以快速"接手"，无需猜测。

关键洞见：渐进式披露与状态持久化

Anthropic发现，要让Agent实现长程运行，需要两个核心机制：

1. 渐进式披露：不要给Agent一份"1000页的说明书"。相反，应该：

• 给出地图而不是百科全书
• 让Agent从简短的入口开始
• 引导它"想知道更多时去哪里找"

2. 状态持久化：将Agent的工作状态显式化：

• feature list（任务清单）
• progress.txt（进度日志）
• git commit（版本历史）
• test results（测试结果）

这就像培训新员工：先给Overview，再逐步深入具体文档；同时建立"交接班制度"，确保信息不丢失。

---

Agent四大失败模式与解决方案

Anthropic在实践中总结了四种常见失败模式及其解决方案：

问题	Initializer Agent方案	Coding Agent方案
Agent过早宣布"胜利"	建立feature list：基于输入规格，设置结构化JSON文件，列出端到端功能描述	每个session开始时读取feature list，选择单个功能开始工作
Agent留下有bug的代码	创建初始git仓库和进度笔记文件	session开始时读取进度笔记和git提交日志，运行基础测试；session结束时写git commit和进度更新
Agent过早标记功能完成	建立feature list	自我验证所有功能，仔细测试后才标记为"通过"
Agent花时间研究如何运行应用	编写init.sh脚本用于启动开发服务器	session开始时读取init.sh

---

2026行业趋势：Harness是新的护城河

著名分析师Aakash Gupta提出了一个深刻观点：“2025是Agent之年，2026是Harness之年”。

“模型是商品化的（commodity），Harness才是护城河。” —— Aakash Gupta

为什么Harness比模型更重要？

• Claude Code的崛起：真正突围的不是Claude本身，而是Claude Code——因为它有更好的Harness
• Manus的教训：6个月重写5次Harness
• LangChain的迭代：一年重构4次Open Deep Research架构
• Vercel的优化：移除80%的工具，反而获得更少步骤、更快响应

“你可以在6个月内训练一个更好的模型，但构建一个Harness需要数千工程师小时。”—— Aakash Gupta

Anthropic《2026 Agentic Coding趋势报告》八大预测

Anthropic发布的最新报告预测了八大趋势：

1. 软件开发生命周期剧变：从写代码到编排Agent，周期从周缩短到小时
2. 单Agent进化为协调团队：多Agent并行工作，处理复杂任务
3. 长运行Agent构建完整系统：任务从分钟扩展到天甚至周
4. 人类监督通过智能协作扩展：Agent学会何时寻求帮助
5. Agent编程扩展到新场景：从传统语言到COBOL、Fortran等遗留语言
6. 生产力提升重塑经济学：开发成本下降，时间压缩
7. 非技术用例扩展：非工程师也能构建自动化
8. 安全是双刃剑：Agent帮助防御者也帮助攻击者

---

五大最佳实践

1️⃣ 让应用"可读"给Agent

OpenAI做了什么？

• Chrome DevTools Protocol接入：Agent可以直接操作浏览器，看DOM快照、截截图、验证UI行为
• 完整可观测性栈：每个worktree有独立的日志、指标、追踪系统
• Agent可查询：用LogQL查日志、PromQL查指标、TraceQL查链路

效果：单个Agent运行可以持续6小时以上（通常在人类睡觉时）。

2️⃣ 知识必须"入库"

原则：Agent看不到的 = 不存在。

• Google Docs？Slack消息？人类脑子里的知识？Agent都看不到
• 必须把知识编码成：代码、Markdown、Schema、版本化的计划文档

OpenAI把AGENTS.md当作"目录"，真正的知识放在结构化的docs/目录：

• design-docs/ 设计文档
• exec-plans/ 执行计划（含进度和决策日志）
• product-specs/ 产品规格
• references/ 技术参考

3️⃣ 用约束代替"微管理"

OpenAI的架构约束：

• 分层领域架构：每个业务域严格分层（Types → Config → Repo → Service → Runtime → UI）
• 跨域边界明确：认证、连接器、遥测等横切关注点只能通过单一接口（Providers）进入
• 机械执行：自定义linter + 结构化测试，违规直接报错

“这通常是大公司几百人时才做的事。但在Agent时代，它是早期必修课。”

4️⃣ 吞吐量改变合并哲学

当Agent的产出远超人类审核能力时：

• 最小阻塞门：PR短生命周期
• 测试flake处理：用后续运行解决，而非无限阻塞
• 修正很便宜，等待很昂贵

OpenAI明确说：这在低吞吐量环境是"不负责任"的，但在Agent时代是正确的权衡。

5️⃣ "熵减"与垃圾回收

问题：Agent会复制已有模式，包括不均匀的、次优的代码。长期必然"腐化"。

解决方案：建立"黄金原则"持续清理

• 偏好共享工具包而非手写辅助函数
• 不"YOLO式"探查数据——验证边界或依赖类型化SDK
• 定期后台任务扫描偏差、更新质量评分、开针对性重构PR

“技术债务就像高利贷：最好持续小额偿还，而非累积后一次性痛苦偿还。”

---

真实案例：Agent带来的生产力飞跃

Rakuten的突破

• 任务：在vLLM（1250万行代码）中实现特定的activation vector extraction方法
• 结果：7小时 autonomous work，99.9% numerical accuracy

TELUS的规模

• 创建了13,000+个自定义AI解决方案
• 工程代码交付速度提升30%
• 每次AI交互平均节省40分钟

CRED的金融实践

• 8000万用户规模的金融平台
• 开发系统速度翻倍
• 通过"转移而非替代"实现人机协作

---

未来展望：从小时到天的跨越

OpenAI和Anthropic都在探索长程运行的新边界：

🌟 长程运行能力正在快速扩展

根据Anthropic的预测，长程Agent的能力将在2026年实现质的飞跃：

时间维度	2025年	2026年预测	2027年展望
任务时长	几分钟	几小时到几天	几天到几周
任务复杂度	单一功能	完整功能集	完整应用/系统
人类干预	频繁	关键节点	极少

🚀 端到端自主：从"一个prompt"到"一个完整产品"

OpenAI和Anthropic都在探索让Agent实现真正的端到端自主：

给定一个prompt，Agent可以：

• 验证当前状态
• 复现bug并录屏
• 实现修复
• 验证修复效果
• 录制对比视频
• 开启PR
• 回应反馈
• 处理构建失败
• 合并代码

关键进步：整个过程可能跨越多个session、持续数小时甚至数天，但Agent能够自主协调，无需人类频繁干预。

🔄 多Agent架构：团队协作模式

专门的测试Agent、QA Agent、代码清理Agent是否比单一通用Agent更强？

Anthropic认为，未来的长程运行将是多Agent协作的模式：

• Orchestrator Agent：负责整体规划和协调
• Coding Agent：负责编写代码
• Testing Agent：负责测试和验证
• Refactoring Agent：负责代码清理和优化

这种团队协作模式，让每个Agent都专注自己的领域，实现更高效的长程运行。

🌍 跨领域泛化：从Web开发到科学研究

这些方法能否从Web开发扩展到科学研究、金融建模等更多领域？

答案是肯定的。长程运行的核心机制——状态持久化、渐进式披露、反馈循环——都是通用的。任何需要长时间、多步骤、复杂推理的任务，都可以受益于Harness Engineering。

---

我们能学到什么？长程运行的三大支柱

Harness Engineering不是"让Agent替代工程师"，而是让Agent实现真正的长程运行。其核心是三大支柱：

1️⃣ 思维转换：从"任务"到"流程"

传统思维：给Agent一个任务，期望它一次完成 长程思维：设计一个流程，让Agent跨越多个session持续推进

关键是要把"一次性任务"拆解成"可传递的流程"，每个session都能从上一个session接过接力棒。

2️⃣ 基础设施优先：让Agent有"记忆"和"工具"

Agent要实现长程运行，需要：

• 记忆系统：progress.txt、feature list、git commit
• 工具链：Chrome DevTools、日志系统、测试工具
• 环境：稳定的运行环境、快速的启动脚本

没有这些基础设施，Agent无法跨越session。

3️⃣ 知识管理：让每个session都有"说明书"

把所有知识编码成Agent能访问的格式：

• 不要依赖人类的"隐性知识"
• 不要依赖口头传达或聊天记录
• 要依赖代码、文档、配置文件等显式知识

只有显式化的知识，才能在session之间传递。

正如OpenAI在文末写道：

“我们最困难的挑战，现在集中在设计环境、反馈循环和控制系统上——帮助Agent实现我们的目标：让Agent能够长时间、自主地构建和维护复杂、可靠的软件。”

长程运行不是遥不可及的未来，而是正在发生的现在。这是软件工程的范式转变，你准备好了吗？

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】